多重线性回归分析课件.pptVIP

* 四、几点补充 4.2 常见应用错误 4.2.1 建立模型时，不筛选自变量 在建立多重线性回归模型时， 不考虑各自变量对因变量的影响是否有统计学意义，不采用任何变量筛选方法，直接将所有变量都保存在模型中。 * 四、几点补充 4.2 常见应用错误 4.2.2 以单因素分析方法取代多因素分析方法 先以各自变量分别与因变量做简单相关分析或简单回归分析。然后对简单相关系数或简单回归系数进行假设检验，P0.05的自变量予以保留，其他予以踢除。 最后，将保留下来的自变量与因变量一起进行多重线性回归分析。 * 总结 何时使用多重线性回归分析？ 如何进行自变量筛选？ 如何进行共线性诊断？ 如何进行异常点检测？ 如何评价自变量的影响大小？ 常见的应用错误有哪些？ 　　　谢　　谢！ * 三、分析步骤 2.6 共线性诊断 2.6.1 条件数 最大特征根与其余每个特征根比值的平方根，称为条件指数(conditional number)，公式为： * 三、分析步骤 2.6 共线性诊断 2.6.1 条件数 而最大条件指数，简称为条件数，其值为最大特征根与最小特征根之